圖像處理參數(shù)翻譯(共5頁)

1、PAGE PAGE F校準(jio zhn)后,參數(shù)列表文件可以存儲在matab Calib_Results通過單擊Save。變量列表中可以分為兩類:內(nèi)在參數(shù)和外部參數(shù)。內(nèi)在參數(shù)(相機(xingj)模型):內(nèi)部所使用的相機模型(mxng)非常類似于Heikkil和Silven大學在芬蘭的奧盧。訪問在線校準頁面,發(fā)布頁面。我們特別推薦CVPR的97年的論文:一個四個步驟的相機標定過程與隱式圖像校正。內(nèi)部參數(shù)的列表:Focal length焦距:焦距像素存儲在2 x1向量fc。Principal point:主要觀點:主點坐標存儲在2 x1向量cc。Skew coefficient傾斜系數(shù):傾斜系

2、數(shù)定義之間的角x和y像素存儲在標量alpha_c軸。Distortions：扭曲:圖像失真系數(shù)(徑向和切向畸變)存儲在5 x1向量kc。固有參數(shù)的定義:讓P點的空間坐標向量XXc =(Xc、Yc Zc)相機的參考系。我們項目現(xiàn)在點在圖像平面根據(jù)內(nèi)在參數(shù)(fc、cc、alpha_c kc)。讓xn規(guī)范化(針孔)圖像投影:讓r2 = x2 +y2。包括透鏡畸變后,新的規(guī)范化點坐標xd定義如下:在dx切向畸變向量:因此,5-vector kc包含徑向和切向畸變系數(shù)(觀察到第六階徑向畸變系數(shù)來看的第五項向量kc)。值得注意的是,這種扭曲模型是由布朗在1966年首次引入并稱為“鉛錘”模式(徑向多項式+“

3、薄棱鏡”)。切向畸變是由于“新社會”,或不完美的鏡頭組件的定心和其他復合透鏡制造缺陷。更多細節(jié),請參閱布朗的原始參考頁面中列出的出版物。一旦應用變形,最終的像素坐標x_pixel =(xp,yp)P在圖像平面的投影:因此,像素坐標矢量x_pixel和規(guī)范化(扭曲)坐標向量xd彼此通過相關線性方程:KK稱為(chn wi)攝像機矩陣,定義如下:在matlab中,這個矩陣存儲在變量校準(jio zhn)后KK。觀察到fc(1)和fc(2)焦距(mm)的獨特價值水平和垂直像素為單位。這兩個組件的向量fc通常是非常相似的。比fc(2)/ fc(1),通常被稱為“縱橫(znghng)比”,不同于1如果C

4、CD陣列的像素不廣場。因此,自然地處理非方塊像素的相機模型。此外,alpha_c編碼系數(shù)x和y傳感器軸之間的角度。因此,像素甚至允許非矩形。一些作者引用類型的模型作為“仿射畸變”模型。除了計算估計的內(nèi)在參數(shù)fc、cc,kc和alpha_c工具箱也回報估計這些參數(shù)的不確定性。matlab變量包含那些不確定性fc_error cc_error,kc_error alpha_c_error。 信息,這些向量是大約三倍標準差的估計的錯誤。下面是一個示例輸出優(yōu)化后的工具箱:重要的公約:像素坐標定義,(0,0)是左上角的中心像素的圖像。因此,nx-1;0是右上角的中心像素,0;ny-1是左下角的中心像素和

5、nx-1;ny-1是右下角的中心像素nx和紐約圖像的寬度和高度(圖片的第一個例子,nx = 640和ny= 480)。工具箱中提供一個matlab函數(shù)計算,直接像素投影地圖。這個函數(shù)是project_points2.m。 這個函數(shù)接收一組點的三維坐標空間(在全球參考框架或相機參考系)和內(nèi)在相機參數(shù)(fc、cc、kc,alpha_c),并返回點圖像的像素預測飛機?？吹叫畔⒌墓δ?。逆映射:反問題計算歸一化圖像的像素坐標的投影向量xn x_pixel在大多數(shù)機器視覺應用程序非常有用。然而,由于高度畸變模型,不存在一般代數(shù)表達式的逆映射(也稱為標準化)。然而,在工具箱中提供了一個數(shù)值逆映射的實現(xiàn)函數(shù)的

6、形式:normalize.m。函數(shù)應該調(diào)用的方法:xn =正?；?x_pixel、fc、cc、kc alpha_c)。在這種語法,x_pixel和xn可能包含不止一個點坐標。調(diào)用的示例,請參見compute_extrinsic_init.m matlab函數(shù)。減少相機模型:目前生產(chǎn)的相機并不總是證明這非常一般的光學模型。例如,現(xiàn)在習慣假設矩形像素,因此假設零斜(alpha_c = 0)。它實際上是默認設置的工具箱(傾斜系數(shù)不是估計)。此外,通用(第六階徑向+切線)畸變模型通常是不完全考慮。標準的視圖(非廣角相機)、通常是沒有必要的(不推薦),推動第四訂單以外的徑向畸變模型的組件(即保持kc(5

7、)= 0)。這也是一個工具箱的默認設置。此外,失真往往被丟棄的切向分量(合理的事實大多數(shù)鏡頭目前生產(chǎn)沒有缺陷在定心)。第四階對稱徑向畸變無切向分量(kc的三個組件設置為0)實際上是使用的畸變模型。另一個非常常見的畸變模型良好的光學系統(tǒng)或狹窄的視野鏡頭是二階對稱徑向畸變模型。在這種模型中,只有第一個組件的向量kc估計,而其他四個設置為0。這個模型也是常用的幾個圖像時用于校準(太少的數(shù)據(jù)來估計一個更復雜的模型)。除了扭曲和扭曲,降低其他模型是可能的。例如,當只有少數(shù)圖像用于校準(如一個、兩個或三個圖像)主點cc往往很難估計準確。它被認為是最困難的部分之一本機透視投影模型來估計(忽略透鏡扭曲)。如果

8、是這種情況,有時更好(推薦)設置主點的中心形象(cc =(nx-1)/ 2;(ny-1)/ 2),而不是進一步估計它。最后,在一些罕見的情況下,它可能是必要的拒絕長寬比fc(2)/ fc(1)評估。模型降階雖然這最后一步是可能的工具箱,一般不推薦的長寬比通常是簡單的估計非?？煽?。有關如何執(zhí)行模型的更多信息選擇工具箱,訪問該頁面描述第一次校準的例子。符合(fh)Heikkil的符號(fho):在原始(yunsh)Heikkil的紙,內(nèi)部參數(shù)出現(xiàn)在名稱上略有不同。下表給出了對應兩個符號之間的計劃:一些評論Heikkil的模型:斜不是估計(alpha_c = 0)。它可能不是一個問題,因為大多數(shù)相機

9、目前沒有定心制造缺陷。徑向畸變模型的組件只是第四訂單。在大多數(shù)情況下這就足夠了。四個變量(binling)(f,Du,Dv,su)取代(qdi)2 x1焦向量(xingling)fc分別一般無法估計。只是可能如果兩個已知的變量(例如度量焦值比例系數(shù)f和規(guī)模因素su)?？吹紿eikkil的紙的更多信息。符合注冊威爾遜的符號:在他最初的蔡相機標定算法的實現(xiàn),Reg威爾遜對相機參數(shù)使用不同的符號。下表給出了對應兩個符號之間的計劃:威爾遜使用一階徑向畸變模型(一個額外的常數(shù)kappa1)沒有一個簡單的封閉corespondence與畸變模型(kc編碼的系數(shù)(1),kc(5)。然而,我們叫做willso

10、n_convert的工具箱中包含一個函數(shù),將整個組威爾遜的參數(shù)轉(zhuǎn)換成我們的參數(shù)(包括變形)。這個函數(shù)被調(diào)用另一個函數(shù)willson_read直接加載在校準結(jié)果文件由威爾遜的代碼生成和計算參數(shù)(內(nèi)在和外在)后我們的符號(使用該函數(shù),首先設置matlab變量calib_file原始威爾遜校準文件的名稱)。一些額外的評論威爾遜的模型:類似于Heikkil的模型中,斜不包括在模型(alpha_c = 0)。類似于Heikkil的模型,四個變量(f,sx,dpx dpy)取代2 x1焦向量fc分別一般無法估計。只是可能如果兩個已知的變量(例如度量焦值比例系數(shù)f和sx)。外在的參數(shù):Rotations旋轉(zhuǎn)

11、:一組n_ima 3 x3的旋轉(zhuǎn)矩陣Rc_1,Rc_2,. .,Rc_20(假設n_ima = 20)。Translations平移:一組n_ima 3 x1向量Tc_1 Tc_2,. .,Tc_20(假設n_ima = 20)。非本征參數(shù)的定義:考慮校準網(wǎng)格第#i個校準(附圖片),和專注于相機參考系attahed網(wǎng)格。沒有損失的共性,i= 1。下面的圖顯示了參考系(O,X,Y,Z)附加到校準gid。讓P點的空間坐標向量XX =X,Y,Z在網(wǎng)格(wn )參考系(參考幀顯示在前面的圖)。讓 XXc= Xc;Yc;Zc是P的坐標向量(xingling)在相機參考系。然后(rnhu)XX XXc互為

12、相關通過嚴格的運動方程如下:XXc= Rc_1 * XX + Tc_1特別是translation向量的坐標向量是Tc_1網(wǎng)格圖形的起源(O)相機參考系,和第三列的矩陣Rc_1表面法向量包含平面的平面網(wǎng)格的相機參考系。相同的關系持有剩余的外在參數(shù)(Rc_2 Tc_2)、(Rc_3 Tc_3)(Rc_20 Tc_20)。一旦一個點的坐標表示的相機參考系,也許像平面上投影使用內(nèi)在的相機參數(shù)。向量omc_1 omc_1,omc_20s是旋轉(zhuǎn)矩陣Rc_1,Rc_1,Rc_20相關的旋轉(zhuǎn)矢量。 這兩個相關羅德里格斯公式。例如, Rc_1 = rodrigues(omc_1)。類似于內(nèi)在參數(shù),外在的估計的不確定性參數(shù)omc_i Tc_i(i= 1,n_ima)也計算工具箱。這些不確定性都存儲在向量omc_error_1,Tc_error_1 omc_error_20 ,Tc_error_20(假設n_ima = 20)和代表大約三倍標準差的估計的錯誤